基于高光谱成像技术的微量血迹检测信息快速辨识.pdf

基于高光谱成像技术的微量血迹检测信息快速辨识 方法研究 学 院：机械工程学院 1.徐涛金 队员姓名： 2.王加林 3.刘 海 题目：基于高光谱成像技术的微量血迹检测信息快速辨识 方法研究 摘要： 血迹是刑事案件客观有力的证据之一。通过对案发现场的血迹形态、轨迹、陈旧程 度进行分析，可以简单推断出犯罪嫌疑人的作案时间、运动轨迹、作案方式等系列重要 信息。其检测及信息数据处理过程在案件侦破的过程中所起作用至关重要。一般检测手 段依然采用落后低效的直接观察法、试剂法等，传统检测手段对于血迹信息的辨识及数 据处理都有不同程度上的阻碍。随着科学技术的飞速发展，高光谱成像技术日渐成熟并 已被广泛应用于刑事案件侦破的过程中。 16 本文根据附件中所给的 组高光谱数据文件，先对高光谱数据作平滑去噪声、数 据补全处理，利用光谱微分和光谱二值、四值编码技术，建立高光谱特征提取模型，统 计分析不同类别、不同介质上血迹光谱的特征的差异性。再对所提取的光谱特征参数 BP 行相关性分析，提取最优的特征参数。根据所得的光谱特征参数，利用 神经网络算 法，建立不同类别、不同介质目标的识别模型，并分析模型识别的准确率。具体步骤如 下： 对于问题一，首先对附件所给出高光谱数据作数据补全处理，利用MATLAB 中的 smooth函数对原始数据平滑去噪声。对于未超出量程的高光谱数据，利用光谱微分技术 获得光谱曲线吸收波长波段位置、反射波长波段位置等形貌特征参数；对于超出量程的 高光谱数据，光谱曲线反射特征缺失，需要用四值编码技术对高光谱数据进行光谱编码， 以获得不同编码光谱能量所占比例特征。对所得到的光谱特征参数进行统计分析，得出 不同类别、不同介质上血迹光谱的特征的差异性。 针对问题二，针对木头上的血迹检测问题，通过相关性分析，找出影响血迹点和非 血迹点、人血和其他血迹最主要的特征参数；利用问题一中找出的特征参数建立基于BP 50% 50% 神经网络算法的识别模型；使用 数据做训练， 数据做测试。分析结果发现：模 型对于识别血迹和非血迹准确率能达到100%，对于区分人血和其他血迹识别准确率能 达到66.7%。 针对问题三，利用问题二中建立的识别模型，应用到其他三种介质的血迹检测问题 中，分析结果发现：对于所有介质，使用IS_over特征参数对于识别白板和非白板的成 功率均能达到100%；但由于模型中未考虑由于时间变化造成血迹能量逐渐耗散的情况， 识别成功率不是很理想； 针对问题四，对于人血血迹检测问题，将所有数据合并，将人血作为一类，将其他 所有数据作为另一类，利用问题二中建立的模型将两类区分开。 关键词：血迹形态；高光谱特征提取；光谱曲线形貌特征；四值编码；BP神经网络 一、问题重述 命案现场中的血迹是刑事案件侦破过程中最重要的物证之一。受害人在案发现场容 易出现开放性损伤如：利器扎伤、重物砸伤、车辆压伤等，一旦案发现场留下血迹，遗 1. 留下来的血迹就很难被完全去除，究其原因可归结为： 血液容易渗透到地板、衣物、 2. 泥土等介质当中； 血液容易喷溅到各个微小的角落，通常很难被发现。由于血液的组 成结构比较稳定，所以在杀人案件中可直接作定性分析。由此可认为犯罪现场的血迹具 有客观性、稳定性、广泛性、实用性的特点。案发现场的血迹形态有很多如：喷溅状、 流注状、血泊状、滴落状等，现场的血迹形态通常能够记录犯罪嫌疑人的运动轨迹、犯 罪手段、受害人受到攻击的时间地点等重要信息，以